基于大數(shù)據(jù)的物聯(lián)網(wǎng)質(zhì)量分析系統(tǒng)開發(fā)應(yīng)用

張秀成（中國移動(dòng)通信集團(tuán)河南有限公司，河南鄭州 450000）

0 前言

物聯(lián)網(wǎng)是信息產(chǎn)業(yè)革命第3 次浪潮和第4 次工業(yè)革命的核心支撐，物聯(lián)網(wǎng)發(fā)展必然會引發(fā)產(chǎn)業(yè)、經(jīng)濟(jì)和社會的變革，重構(gòu)世界。黨和國家將物聯(lián)網(wǎng)的廣泛應(yīng)用列入“十三五”計(jì)劃，中國移動(dòng)也提出全面實(shí)施“大連接”戰(zhàn)略，大力發(fā)展物聯(lián)網(wǎng)業(yè)務(wù)。

物聯(lián)網(wǎng)業(yè)務(wù)具有一點(diǎn)發(fā)卡全國通用，不同行業(yè)、不同業(yè)務(wù)的客戶需求和網(wǎng)絡(luò)性能指標(biāo)差異較大，終端參數(shù)不標(biāo)準(zhǔn)、不規(guī)范等特點(diǎn)。在物聯(lián)網(wǎng)業(yè)務(wù)的開通以及故障投訴處理等日常維護(hù)中，存在多專業(yè)協(xié)同難度高、不同行業(yè)業(yè)務(wù)特性差異大、終端不規(guī)范問題突出、現(xiàn)有支撐手段無法全覆蓋、端到端網(wǎng)絡(luò)質(zhì)量無法把控、網(wǎng)絡(luò)安全形勢嚴(yán)峻（物聯(lián)網(wǎng)終端機(jī)卡分離、非法訪問、位置異常等）等情況。

針對物聯(lián)網(wǎng)維護(hù)工作中的新變化、新需求、新難點(diǎn)，亟需對物聯(lián)網(wǎng)業(yè)務(wù)進(jìn)行數(shù)據(jù)采集分析，全流程、全覆蓋掌握物聯(lián)網(wǎng)業(yè)務(wù)性能指標(biāo)，提升客戶業(yè)務(wù)感知。通過打造物聯(lián)網(wǎng)端到端質(zhì)量監(jiān)測分析系統(tǒng)，實(shí)現(xiàn)物聯(lián)網(wǎng)業(yè)務(wù)的自動(dòng)化、差異化、場景化、智能化運(yùn)維，先于客戶發(fā)現(xiàn)并處理網(wǎng)絡(luò)中可能存在的隱患，提升物聯(lián)網(wǎng)客戶業(yè)務(wù)性能感知，做好市場拓展的堅(jiān)實(shí)技術(shù)后盾。

1 物聯(lián)網(wǎng)質(zhì)量分析系統(tǒng)功能框架

基于物聯(lián)網(wǎng)業(yè)務(wù)流程和日常網(wǎng)絡(luò)維護(hù)中的實(shí)際需求，亟需構(gòu)建物聯(lián)網(wǎng)業(yè)務(wù)的大數(shù)據(jù)分析模型，實(shí)現(xiàn)物聯(lián)網(wǎng)業(yè)務(wù)端到端性能質(zhì)差問題定位定界分析。如圖1所示，物聯(lián)網(wǎng)質(zhì)量分析系統(tǒng)包含故障定位定界、投訴溯源、業(yè)務(wù)統(tǒng)計(jì)、質(zhì)量監(jiān)測、行業(yè)專題分析、外部接口模塊、客戶資源管理、安全防護(hù)、場景保障、手機(jī)APP等功能模塊。質(zhì)量分析系統(tǒng)通過接入2G/3G/4G/NBIoT XDR 數(shù)據(jù)、無線數(shù)據(jù)、物聯(lián)網(wǎng)平臺數(shù)據(jù)等大數(shù)據(jù)，構(gòu)建區(qū)域/行業(yè)/業(yè)務(wù)三維立體指標(biāo)體系，對物聯(lián)網(wǎng)用戶感知進(jìn)行分析；同時(shí)基于不同行業(yè)客戶特點(diǎn)，進(jìn)行針對性的一戶一案分析，實(shí)現(xiàn)業(yè)務(wù)隱患的及時(shí)發(fā)現(xiàn)、智能派單、智能定界。

圖1 物聯(lián)網(wǎng)質(zhì)量監(jiān)測分析系統(tǒng)架構(gòu)

2 物聯(lián)網(wǎng)業(yè)務(wù)接口的采集和質(zhì)量指標(biāo)

基于Hadoop 大數(shù)據(jù)平臺，實(shí)現(xiàn)2G/3G/4G/NB-IoT網(wǎng)絡(luò)的Gb、Gn、S1-MME、S1-U、S5/8、S11、S6A、SGs、S1-lite、S11-U XDR 等接口全量信令面和數(shù)據(jù)面的信息的采集，為物聯(lián)網(wǎng)智能監(jiān)控分析系統(tǒng)提供全面、準(zhǔn)確、詳實(shí)的基礎(chǔ)分析數(shù)據(jù)（見圖2）。

基于采集的XDR 數(shù)據(jù)，同時(shí)參照物聯(lián)網(wǎng)客戶需求和上網(wǎng)行為特征，物聯(lián)網(wǎng)質(zhì)量監(jiān)測分析系統(tǒng)構(gòu)建了網(wǎng)絡(luò)接入成功率、網(wǎng)絡(luò)接入時(shí)長、網(wǎng)絡(luò)切換成功率、業(yè)務(wù)接入成功率、業(yè)務(wù)接入時(shí)長、業(yè)務(wù)傳輸速率、TCP 重傳率、TCP 亂序率等指標(biāo)，從接入層、網(wǎng)絡(luò)層、傳輸層、應(yīng)用層多維度全方位對移動(dòng)物聯(lián)網(wǎng)業(yè)務(wù)質(zhì)量進(jìn)行監(jiān)測分析。

在以上關(guān)鍵指標(biāo)基礎(chǔ)上，增加活躍用戶數(shù)、分時(shí)段業(yè)務(wù)頻度、網(wǎng)絡(luò)流量、單用戶流量、終端移動(dòng)性等定量指標(biāo)的統(tǒng)計(jì)關(guān)聯(lián)分析，進(jìn)一步從交互性、移動(dòng)性、頻次、流量、保密性5個(gè)通用維度對不同的物聯(lián)網(wǎng)應(yīng)用進(jìn)行特征畫像，實(shí)現(xiàn)不同行業(yè)、不同場景、不同應(yīng)用的多維保障，為物聯(lián)網(wǎng)業(yè)務(wù)的“一戶一案、千戶千案”保障體系構(gòu)筑堅(jiān)實(shí)的數(shù)據(jù)基礎(chǔ)，滿足物聯(lián)網(wǎng)客戶差異化服務(wù)的需求。

3 物聯(lián)網(wǎng)業(yè)務(wù)故障快速定界和精確定位

物聯(lián)網(wǎng)業(yè)務(wù)涉及終端、無線、傳輸、IP 網(wǎng)絡(luò)、核心網(wǎng)、承載網(wǎng)、物聯(lián)網(wǎng)基地、客戶側(cè)服務(wù)器等多個(gè)專業(yè)和部門，終端性能不穩(wěn)定、無線網(wǎng)絡(luò)復(fù)雜、網(wǎng)絡(luò)通道不暢、客戶側(cè)服務(wù)性能低、人物混合組網(wǎng)、物聯(lián)網(wǎng)客戶現(xiàn)象描述不清晰、客戶內(nèi)部網(wǎng)絡(luò)性能迥異等多重因素疊加，造成物聯(lián)網(wǎng)客戶投訴或業(yè)務(wù)出現(xiàn)故障后難以迅速定界定位。

圖2 物聯(lián)網(wǎng)質(zhì)量監(jiān)測分析系統(tǒng)接口全量采集

物聯(lián)網(wǎng)質(zhì)量監(jiān)測分析系統(tǒng)基于物聯(lián)網(wǎng)業(yè)務(wù)指標(biāo)的智能關(guān)聯(lián)分析和大數(shù)據(jù)的深入鉆取挖掘，以接入性、保持性、時(shí)效性、完整性4個(gè)維度為抓手，從物聯(lián)網(wǎng)業(yè)務(wù)的終端、無線、傳輸、核心網(wǎng)、客戶側(cè)等多個(gè)節(jié)點(diǎn)性能進(jìn)行業(yè)務(wù)聯(lián)動(dòng)分析，以全接口XDR 數(shù)據(jù)分析和端到端仿真測試結(jié)果為依據(jù)，實(shí)現(xiàn)物聯(lián)網(wǎng)業(yè)務(wù)問題的快速定界和精確定位。

維護(hù)人員輸入關(guān)鍵字段（如MSISDN、IMSI、APN、客戶名稱等，支持自由組合）后，定界定位模塊自動(dòng)關(guān)聯(lián)相關(guān)物聯(lián)網(wǎng)業(yè)務(wù)的性能數(shù)據(jù)和網(wǎng)絡(luò)拓?fù)?，在拓?fù)鋱D中對異常網(wǎng)元進(jìn)行標(biāo)識；結(jié)合機(jī)器學(xué)習(xí)和故障案例庫，對可能的故障原因和處理方法生成初步建議。

4 物聯(lián)網(wǎng)業(yè)務(wù)可視化呈現(xiàn)和智能預(yù)警

對物聯(lián)網(wǎng)客戶在2G/3G/4G/NB-IoT 等不同無線網(wǎng)絡(luò)下接入后的業(yè)務(wù)感知情況進(jìn)行分析，從網(wǎng)絡(luò)性能監(jiān)測、業(yè)務(wù)質(zhì)量監(jiān)測、指標(biāo)劣化預(yù)警3個(gè)方面實(shí)時(shí)全盤掌握物聯(lián)網(wǎng)業(yè)務(wù)運(yùn)行情況。

采用柱狀圖+趨勢圖+雷達(dá)圖+散點(diǎn)等多種可視方式，將不同維度下的網(wǎng)絡(luò)性能指標(biāo)直觀展示出來；將鼠標(biāo)懸停技術(shù)與深度鉆取技術(shù)結(jié)合，支持5 min、15 min、小時(shí)、天、周、月等不同粒度下的移動(dòng)物聯(lián)網(wǎng)各項(xiàng)指標(biāo)實(shí)時(shí)動(dòng)態(tài)呈現(xiàn)；系統(tǒng)可以支持?jǐn)?shù)據(jù)鉆取和深度挖掘，點(diǎn)擊指標(biāo)名稱或者數(shù)值后自動(dòng)跳轉(zhuǎn)至詳細(xì)數(shù)據(jù)列表。

系統(tǒng)可以實(shí)時(shí)顯示當(dāng)前的物聯(lián)網(wǎng)指標(biāo)數(shù)據(jù)，將全省和18個(gè)地（市）的數(shù)據(jù)以柱狀圖呈現(xiàn)，按照活躍用戶數(shù)、上下行流量、業(yè)務(wù)優(yōu)先級等參數(shù)（可自定義）進(jìn)行排序，實(shí)現(xiàn)同一指標(biāo)在不同類型終端、不同地（市）、不同TAC、不同網(wǎng)元間的橫向?qū)Ρ龋煌街С中阅苤笜?biāo)最近7 天（可動(dòng)態(tài)調(diào)整，最長支持最近30 天）的歷史詳單、歷史均值、歷史峰值的縱向?qū)Ρ取M縱結(jié)合，直觀準(zhǔn)確地呈現(xiàn)物聯(lián)網(wǎng)業(yè)務(wù)性能指標(biāo)。

系統(tǒng)支持IMSI、MSISDN、APN、TAC/LAC、小區(qū)、網(wǎng)元名稱、客戶名稱等關(guān)鍵字的單項(xiàng)或組合查詢，結(jié)果可導(dǎo)出為文本、報(bào)表、圖表、PDF等多種文件格式。

基于大數(shù)據(jù)貝葉斯算法，系統(tǒng)智能關(guān)聯(lián)分析性能指標(biāo)的時(shí)間點(diǎn)、用戶量、位置區(qū)域、歷史均值、歷史峰值、波動(dòng)幅度等數(shù)據(jù)，動(dòng)態(tài)生成監(jiān)測指標(biāo)的基值和閾值并與采樣數(shù)據(jù)比對，將劣化指標(biāo)通過短信、IVR 語音、郵件等多種方式通知維護(hù)人員，實(shí)現(xiàn)實(shí)時(shí)動(dòng)態(tài)對物聯(lián)網(wǎng)業(yè)務(wù)故障隱患進(jìn)行預(yù)警。

5 重點(diǎn)客戶“一戶一案”場景保障

移動(dòng)物聯(lián)網(wǎng)的業(yè)務(wù)應(yīng)用千差萬別，對網(wǎng)絡(luò)性能的需求差異較大，傳統(tǒng)“一鍋燴”式的網(wǎng)絡(luò)運(yùn)維平臺已經(jīng)不能滿足物聯(lián)網(wǎng)客戶個(gè)性化質(zhì)量需求。物聯(lián)網(wǎng)質(zhì)量監(jiān)測分析系統(tǒng)針對不用行業(yè)應(yīng)用的QoS 質(zhì)量指標(biāo)要求，聚焦業(yè)務(wù)行為特征和客戶關(guān)注的重點(diǎn)，梳理出定制化的指標(biāo)體系。通過物聯(lián)網(wǎng)業(yè)務(wù)主要應(yīng)用場景及業(yè)務(wù)需求集中化的網(wǎng)絡(luò)監(jiān)控和系統(tǒng)呈現(xiàn)，構(gòu)建“一戶一案”場景保障模塊。

系統(tǒng)通過對物聯(lián)網(wǎng)業(yè)務(wù)的APN、業(yè)務(wù)地址、用戶號段、終端TAC、IMS 前綴等關(guān)鍵字進(jìn)行匹配，結(jié)合用戶業(yè)務(wù)的時(shí)段、地域、數(shù)據(jù)包大小及時(shí)延等特征，使用人工智能的機(jī)器學(xué)習(xí)和卷積神經(jīng)網(wǎng)絡(luò)算法精準(zhǔn)識別物聯(lián)網(wǎng)業(yè)務(wù)的應(yīng)用場景。機(jī)器學(xué)習(xí)識別業(yè)務(wù)類型的流程如圖3所示。系統(tǒng)已實(shí)現(xiàn)共享單車、電力采集、視頻監(jiān)控、車輛定位等物聯(lián)網(wǎng)業(yè)務(wù)的應(yīng)用場景識別，為物聯(lián)網(wǎng)業(yè)務(wù)的分場景、分類別服務(wù)保障提供了數(shù)據(jù)基礎(chǔ)。

圖3 基于機(jī)器學(xué)習(xí)識別業(yè)務(wù)類型

質(zhì)量分析系統(tǒng)聚焦客戶業(yè)務(wù)的重要程度和業(yè)務(wù)特征，實(shí)現(xiàn)物聯(lián)網(wǎng)客戶關(guān)鍵環(huán)節(jié)的網(wǎng)絡(luò)質(zhì)量監(jiān)測和業(yè)務(wù)感知評測；運(yùn)用人工智能機(jī)器學(xué)習(xí)和端到端專項(xiàng)撥測，制定差異化的性能指標(biāo)集和業(yè)務(wù)預(yù)警規(guī)則，提供差異化的服務(wù)標(biāo)準(zhǔn)和質(zhì)量性能指標(biāo)的“一戶一案”業(yè)務(wù)保障手段。系統(tǒng)將KPI、KQI等網(wǎng)絡(luò)性能指標(biāo)與物聯(lián)網(wǎng)業(yè)務(wù)場景類型進(jìn)行優(yōu)化組合，構(gòu)建端到端指標(biāo)體系，從業(yè)務(wù)特征、業(yè)務(wù)流程、客戶痛點(diǎn)、服務(wù)支撐等方面制定區(qū)別化、差異化的物聯(lián)網(wǎng)業(yè)務(wù)一戶一案保障措施。

面向重點(diǎn)行業(yè)客戶，根據(jù)不同行業(yè)特征，質(zhì)量分析系統(tǒng)由傳統(tǒng)的統(tǒng)一告警規(guī)則向差異化、適配化的預(yù)警規(guī)則轉(zhuǎn)變，提升異常發(fā)現(xiàn)準(zhǔn)確性。通過時(shí)間序列預(yù)測方法（如季節(jié)ARIMA 模型）來學(xué)習(xí)歷史數(shù)據(jù)得到動(dòng)態(tài)基線和閾值，同時(shí)考慮不同行業(yè)的不同業(yè)務(wù)特性，制定差異化的指標(biāo)劣化規(guī)則庫。基于歷史數(shù)據(jù)及發(fā)現(xiàn)的噪聲點(diǎn)（無效波動(dòng)數(shù)據(jù)，需予以剔除）和離群點(diǎn)（業(yè)務(wù)異常數(shù)據(jù)），輸出各專網(wǎng)質(zhì)差預(yù)警規(guī)則。

6 結(jié)束語

基于大數(shù)據(jù)的物聯(lián)網(wǎng)質(zhì)量分析系統(tǒng)實(shí)現(xiàn)了物聯(lián)網(wǎng)業(yè)務(wù)質(zhì)量實(shí)時(shí)監(jiān)控和質(zhì)差業(yè)務(wù)快速定界，解決了故障定位定界難、投訴處理效率低的問題，實(shí)現(xiàn)行業(yè)客戶的全面質(zhì)量監(jiān)控，縮短了故障發(fā)現(xiàn)時(shí)間和故障處理時(shí)長，支撐了業(yè)務(wù)發(fā)展，助力了大連接戰(zhàn)略的落地，提升了客戶滿意度。